第一印象决定一切：为三维语义分割播种主动学习
计算机视觉与模式识别
2023-09-20 v2
摘要
我们提出SeedAL，一种为主动学习播种以高效标注用于语义分割的3D点云的方法。主动学习（AL）在给定预算内迭代选择相关数据片段进行标注，但需要数据集的第一部分（一个“种子”）已被标注，以估计标注其他数据片段的收益。我们首先表明，种子的选择会显著影响许多AL方法的性能。然后我们提出一种自动构建种子的方法，以确保AL的良好性能。假设点云的图像可用（这很常见），我们的方法依赖强大的无监督图像特征来衡量点云的多样性。它在标注预算下通过优化多样性来选择种子点云，这可通过求解线性优化问题完成。我们的实验证明了相较于随机播种和现有方法，我们的方法在S3DIS和SemanticKitti数据集上的有效性。代码可在 https://github.com/nerminsamet/seedal 获取。
引用
@article{arxiv.2304.11762,
title = {You Never Get a Second Chance To Make a Good First Impression: Seeding Active Learning for 3D Semantic Segmentation},
author = {Nermin Samet and Oriane Siméoni and Gilles Puy and Georgy Ponimatkin and Renaud Marlet and Vincent Lepetit},
journal= {arXiv preprint arXiv:2304.11762},
year = {2023}
}
备注
ICCV 2023